Matplotlib中的两种绘图API说明

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: 在Matplotlib库中提供了两种风格的API供开发者使用:一种是Pyplot编程接口(state-based),一种是面向对象对象的编程接口(object-based)。

Matplotlib中的两种绘图API说明

在Matplotlib库中提供了两种风格的API供开发者使用:一种是Pyplot编程接口(state-based),一种是面向对象对象的编程接口(object-based)。

Pyplot封装了底层的绘图函数提供了一种绘图环境,使得我们可以直接像在MATLAB那样绘制图形。当我们使用import matplotlib.pyplot as plt语句导入pyplot模块,并使用plt.plot()绘制图形的时候,默认的Figure以及Axes等对象会自动创建以支持图形的绘制。Pyplot一来使得对MATLAB绘图熟悉的童鞋更加容易上手,二来屏蔽了一些底层通用的绘图对象的创建细节,使用更加简洁。

在使用面向对象的编程接口时候,我们需要自己创建画布(FigureCanvas),自己创建图对象(Figure),自己创建Axes(一个Figure可以包含一个或者多个Axes,一个Axes可以理解为一个子图,使用一次plot()绘图函数便会创建一个Axes),所有对象一起才能完成一次完整的绘图。使用面向对象编程接口有利于我们对于图形绘制的完整控制,但是相对于Pyplot接口可能需要书写更多的代码。

在Matplotlib官方文档中,虽然说推荐大家使用面向对象接口进行绘图,但是其中提供的例子大部分都是基于Pyplot接口的。下面我们以一个简单例子(绘制一条直线)体验一下使用两种编程接口编程的异同。

PyPlot接口

import matplotlib.pyplot as plt
plt.plot([1,2,3,4])
plt.title('Title')
plt.grid(True)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()

大家可以运行一下这段代码,则可以绘制一条直线。

面向对象接口

from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas
from matplotlib.figure import Figure

fig = Figure()
FigureCanvas(fig)
ax = fig.add_subplot(111)  # add_subplot()方法中的111表示的是1×1格网,第1个子图
ax.plot([1, 2, 3, 4])
ax.set_title('Title')
ax.grid(True)
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
fig.savefig('test.png', dpi=120)

同样的例子,我们使用面向对象接口用了更多代码,但是其绘制过程也更加明了。另外,提一点,使用面向对象接口不能使用交互式的show()方法对图像直接进行显示。

面向对象的接口需要我们对绘图的backends也有所了解,提供对应的FigureCanvas,这是很不方便的,不利于代码的跨平台移植。所以,我在编程过程中,进程使用两个接口折中的一种方案:

import matplotlib.pyplot as plt

ax = plt.subplot(111)
ax.plot([1, 2, 3, 4])
ax.set_title('Title')
ax.grid(True)
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
plt.show()

我推荐大家平时也多多使用这种方案,自己创建Axes对象,然后使用面向对象接口做图形绘制。

目录
相关文章
|
22天前
|
Python
Matplotlib 绘图标记
Matplotlib 绘图标记
29 2
|
3月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 9
在本教程中,我们将探讨如何使用 Matplotlib 的 `plot()` 方法中的 `marker` 参数来自定义图表标记。您可以选择不同的线类型(如实线 `'-'`、虚线 `':'` 等),以及颜色类型(如红色 `'r'`、绿色 `'g'` 等)。同时,通过调整 `markersize (ms)`、`markerfacecolor (mfc)` 和 `markeredgecolor (mec)` 参数,可以定制标记的大小和颜色。
34 1
|
3月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 3
这段Matplotlib教程展示了如何通过`plot()`方法的`marker`参数来自定义图表标记,为数据点添加独特的视觉风格。例如,通过设置`marker = '*'`,可以使每个数据点显示为星形标记。这在需要对坐标轴进行特殊标注时尤为有用。下面的示例代码生成了一个带有星形标记的简单折线图。
38 2
|
3月前
|
搜索推荐 数据可视化 Python
Matplotlib 教程 之 Matplotlib 绘图标记 4
本教程介绍如何使用 Matplotlib 的 `plot()` 方法中的 `marker` 参数来自定义图表标记,使你的数据可视化更加直观和个性化。通过实例演示了如何设置下箭头作为数据点标记。
26 1
|
3月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 8
在 Matplotlib 中,可以通过 `plot()` 方法的 `marker` 参数自定义图表标记。此外,还可以设置线类型(如 `'-'` 实线、`':'` 虚线等)和颜色(如 `'r'` 红色、`'g'` 绿色等)。使用 `markersize` (`ms`) 定义大小,`markerfacecolor` (`mfc`) 和 `markeredgecolor` (`mec`) 分别定义标记的内部和边框颜色。
37 0
|
3月前
|
数据可视化 Python
Matplotlib 教程 之 Matplotlib 绘图标记 6
在本教程中,我们将探讨如何利用 Matplotlib 的 `plot()` 方法中的 `marker` 参数来自定义图表标记,以增强数据可视化效果。此外,还介绍了线类型(如实线 `'-'`、虚线 `':'` 等)、颜色类型(如红色 `'r'`、绿色 `'g'` 等)以及如何通过 `markersize` (`ms`)、`markerfacecolor` (`mfc`) 和 `markeredgecolor` (`mec`) 来调整标记的大小和颜色。通过一个示例展示了如何设置标记大小。
33 0
|
3月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 5
使用 Matplotlib 的 `plot()` 方法通过 `marker` 参数来自定义图表标记,同时解释了如何利用 `fmt` 参数定义标记、线条样式及颜色,例如 'o:r' 分别表示实心圆标记、虚线及红色。并通过一个实例演示了其使用方法。
29 0
|
3月前
|
数据可视化 数据处理 Python
Matplotlib:Python绘图利器之王
Matplotlib:Python绘图利器之王
22 0
|
3月前
|
Python
Matplotlib 教程 之 Matplotlib 绘图标记 2
在 Matplotlib 中使用 `plot()` 方法的 `marker` 参数来自定义图表标记。通过不同符号如 `"o"`(实心圆)、`"v"`(下三角)等,可实现多样化的标记效果。示例展示了实心圆标记的使用方法,提供了多种标记符号供选择,包括几何形状和特殊符号。
63 0
|
4月前
|
Python
​16个matplotlib绘图实用小技巧
​16个matplotlib绘图实用小技巧
下一篇
DataWorks